引用WithinReason · 2023-02
“A neural network-based solution for weather forecasting: "FourCastNet is about 45,000 times faster than traditional NWP models on a node-hour basis."”
举例说明神经网络天气预报比传统 NWP 快 45000 倍
用自适应傅里叶神经算子做全球高分辨率天气预报,比数值模式快几个数量级。
提出 FourCastNet,一个数据驱动的全球天气预报模型,在 0.25° 分辨率上给出短期到中期预报。它在短预报时效的大尺度变量上与 ECMWF 的 IFS 数值天气预报系统精度相当,在降水等精细结构复杂的变量上优于 IFS,生成一周预报不到 2 秒,比 IFS 快几个数量级。这样的速度使得生成数千成员的大规模集合预报变得廉价可行。
评论者用它作为例子,说明神经网络天气模型比传统数值天气预报(NWP)快几万倍(按节点小时计)。
“A neural network-based solution for weather forecasting: "FourCastNet is about 45,000 times faster than traditional NWP models on a node-hour basis."”
“[6] FourCastNet (Feb 2022)”